future
导航和管理 future/ 目录 — 查看依赖关系图、按弧线过滤、查找畅通无阻的 future,并确定下一步要做什么。在决定做什么、探索计划的工作或检查 future 之间的依赖关系时使用。
导航和管理 future/ 目录 — 查看依赖关系图、按弧线过滤、查找畅通无阻的 future,并确定下一步要做什么。在决定做什么、探索计划的工作或检查 future 之间的依赖关系时使用。
为任何用户体验、产品设计或交互设计推理任务激活此技能。每当用户要求用户体验评论、设计决策、模式推荐、可访问性审查、研究方法指南、利益相关者沟通策略、AI/UX 权衡分析或暗模式识别时使用。触发诸如“我应该使用”、“最好的方法是什么”、“挑战我的想法”、“帮助我做出决定”、“审查这个设计”、“我错过了什么”、“我如何向利益相关者展示这个”、“设计可用性测试”或“我应该使用什么研究方法”等短语。这项技能在高级从业者层面上发挥作用:它询问前提,在阻力下保持立场,并指出其他代理人跳过的权衡。即使请求的措辞很随意,也始终要激活复杂的用户体验决策。
自动在Delphi项目根目录中创建并维护.claudeignore文件,忽略Claude不需要读取的二进制文件、编译文件和IDE配置文件,节省令牌并提高性能。当您在尚未包含 .claudeignore 的项目中检测到 .dpr、.dproj 或 .pas 文件时,请使用此技能。当用户提及:“.claudeignore”、“忽略 delphi 文件”、“保存标记”、“不必要的文件”、“优化上下文”时也可使用。 --- # 技巧:.claudeignore Delphi 项目管理器 您有责任确保每个 Delphi 项目都有一个合适的 `.claudeignore`,防止二进制文件、编译文件和 IDE 配置文件被不必要地读取。 ## 语言 检测用户第一条消息的语言并**始终使用该语言**。
击败普通网络搜索的快速研究 - 在搜索具体内容之前发现存在的内容(横向扫描),在几天/几周内捕获最新版本(新近度脉冲 + 上游供应链),并运行并行查询以实现多角度覆盖。适合日常研究和当前信息问题。当用户请求研究、比较或“X 上的最新消息”时使用。对于需要假设检验、COMPASS 审核、红队或完整报告的高风险决策 → 使用 /deep-research-pro。
你的下一个疗程开始冷淡。不记得你建造了什么、破坏了什么、你决定了什么。您编写的每个信号都是给未来会话的一份礼物。信号越丰富,重新学习的时间就越少。
当用户报告应用程序中的错误、错误、崩溃、意外行为或性能问题,或要求“调查”、“调试”、“检查日志”、“查看错误”、“发生了什么”、“X 为什么失败”或“跟踪请求”时,请使用此技能。当用户粘贴错误消息或堆栈跟踪并寻求帮助时也会激活。当用户询问“我的应用程序在做什么?”、“显示我运行 X 时发生了什么”、“跟踪此流程”、“我的服务正在接收日志吗?”、“我正在测试此端点 - 我看到什么?”或任何探索性运行时问题时,也可以使用此方法。当用户想要在其应用程序中设置、配置或验证日志记录/OTLP 工具时也可使用。需要连接 Loggles MCP 工具。
【该技能的作用以及何时使用】
使用此技能通过真实的受众洞察来验证和完善品牌信息、定位和口号。触发因素包括:测试品牌定位、验证标语或口号、了解品牌认知、完善使命宣言、测试品牌声音或与竞争对手区分开来的请求。使用 OriginalVoices Digital Twins (ask_twins) 了解目标受众如何解读品牌信息、什么会引起情感共鸣、什么会造成混乱以及什么会驱动品牌亲和力 - 确保品牌声明与真实的人联系,而不仅仅是内部利益相关者。
系统地裁决论文集中的分歧。 Produces ruthless verdicts on who was wrong, what supersedes what, and what the best current understanding is.按主题集群组织,并具有可操作的替换值以供实施。
阅读最近的会话上下文,推断您正在做什么,并提出具体的下一步行动。休息后恢复时使用,或说“行动”/“下一步我们应该做什么”/“从上次停下的地方继续”。确认后立即执行。
skill-sample/ ├─ SKILL.md ⭐ 必备:技能说明入口:用途 / 安装 / 用法 / 示例 / 依赖 ├─ manifest.sample.json ⭐ 推荐:机器可读元信息:用于索引 / 校验 / 自动填表 ├─ LICENSE.sample ⭐ 推荐:授权与使用范围:开源 / 限制 / 商用说明 ├─ scripts/ │ └─ example-run.py ✅ 可运行示例脚本:让用户导入后立刻验证“能用” ├─ assets/ │ ├─ example-formatting-guide.md 🧩 输出规范:统一排版 / 结构 / 风格 │ └─ example-template.tex 🧩 模板资源:报告/文档模板,快速生成标准产物 └─ references/ 🧩 参考资料库:方法论 / 结构指南 / 最佳实践 ├─ example-ref-structure.md 🧩 结构参考:章节框架 / 目录组织 ├─ example-ref-analysis.md 🧩 分析参考:常用套路 / 指标口径 └─ example-ref-visuals.md 🧩 视觉参考:图表规范 / 可视化建议
更多 Agent Skills 规范 详见Anthropic官方文档:https://agentskills.io/home
├─ ⭐ 必备:YAML Frontmatter(必须存在,放在文件最顶部) │ ├─ ⭐ name :技能唯一名;须符合命名规则,并建议与目录名一致 │ └─ ⭐ description :技能描述;建议包含触发关键词(便于检索/匹配) │ ├─ ✅ 可选:Frontmatter 扩展字段(规范允许,但非强制) │ ├─ ✅ license :许可证标识(也可配合单独 LICENSE 文件) │ ├─ ✅ compatibility :兼容性/运行环境要求(仅在确实有限制时写) │ ├─ ✅ metadata :任意键值对(如 author/version/source_url 等) │ └─ 🧩 allowed-tools :允许工具白名单(规范标注为 experimental) │ └─ ✅ 推荐:Markdown 正文(自由格式,但建议按“渐进式披露”组织) ├─ ✅ Overview / Purpose :一句话说明目标 + 不做什么(边界) ├─ ✅ When to use :触发条件/适用场景(让模型/用户知道何时调用) ├─ ✅ Step-by-step :步骤化流程(最好 3–6 步,保证可复现) ├─ ✅ Inputs / Outputs :输入格式、输出格式、产物位置(文件/文本/JSON等) ├─ ✅ Examples :至少 1 个可复制示例(越“能跑”越好) ├─ 🧩 Files & References :引用assets/、references/、scripts/(相对路径) ├─ 🧩 Edge cases :边界情况/限制(大文件、速率限制、失败回退) ├─ 🧩 Troubleshooting :常见错误与解决(依赖缺失、路径不对、权限问题) └─ 🧩 Safety notes :涉及联网/写文件/执行命令时给出提醒(建议写)
在 GitHub 和各类社区里,技能文件分散、难检索、也难判断是否可靠。SkillWink 把开源技能集中整理成可搜索、可筛选、可直接下载使用的技能库,让你更快找到“正好能用”的那一个。并且支持在SkillWink上直接上传skills。
我们提供 AI 语义搜索 + 关键字检索,支持 版本更新与多维排序(下载/点赞/评论/更新),并为每个技能提供 SKILL.md 开放标准与来源信息。你还可以在详情页直接 评论讨论、交流用法与改进建议。
快速上手:
支持下载与导入 skills(.zip/.skill),本地放置后即可生效:
~/.claude/skills/(Claude Code)
~/.codex/skills/(Codex CLI)
~/.gemini/skills/(Gemini CLI)
同一份 SKILL.md 跨平台通用。
你需要了解的:技能是什么、怎么运行的、怎么找、怎么导入、怎么判断可信、怎么参与共建。
这里的“skills(技能)”是一种可复用的任务能力包,通常包含 SKILL.md 说明(用途、输入输出、使用方法)以及可选的脚本/模板/示例文件。
你可以把它理解为:给 AI 助手或工具链用的“插件说明书 + 资源包”,可被反复安装与分享。
技能系统采用“渐进式披露”策略,高效管理上下文信息,具体流程如下:
发现阶段:系统启动时,智能体仅加载各技能的名称与简要描述——信息精简,足以判断其适用场景,避免冗余加载。
激活阶段:当任务需求与某技能描述匹配时,智能体才将对应的完整 SKILL.md 说明文档动态载入上下文。
执行阶段:智能体严格遵循文档指引执行操作,并按需调用关联文件或运行内置代码模块。
核心优势:该设计使智能体始终保持轻量高效,同时具备“按需扩展上下文”的能力,既保障响应速度,又确保复杂任务拥有充分执行依据。
推荐 3 种方式组合使用:
注:以上导入方式文件大小控制在10M之内。
常见路径如下(不同系统略有差异,以你本机为准):
同一份 SKILL.md 通常可以跨工具复用。你在 SkillWink 导入后,也可以查看“放置指引/安装说明”。
可以。很多技能本质是标准化说明 + 资源,只要目标工具支持读取该格式,就能共享使用。
比如:检索类技能 + 写作类技能 + 自动化脚本,形成“发现 → 处理 → 输出”的工作流。
一部分skills来源于公开的 GitHub 仓库。我们会筛掉低质量仓库(至少 2 星),并扫描基本质量指标,还有一部分是SkillWink平台的创作者独立上传的。作为使用者,在安装前应始终审查代码,对安全问题负责。
最常见原因是这几类:
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前: